电子工业出版社-网上书店

本书讲述针对复杂体制雷达辐射源识别面临的技术难题所开展的一些研究和探索，主要内容包括雷达辐射源联合参数建模及识别框架、区间类型特征参数的雷达辐射源识别技术、残缺类型特征参数的雷达辐射源识别技术、多功能雷达信号层级模型和分析处理方法、波形单元提取、搜索规律重建、辐射源句法识别技术等，对电子侦察系统设计、信号和数据处理及电子情报分析等工作具有参考价值。本书主要面向从事电子侦察技术研究和系统研发的工程技术人员，以及相关学科专业的高等院校师生。

第1章  绪论	1
1.1  研究背景及意义	1
1.2  雷达辐射源识别的主要问题	1
1.2.1  电子侦察系统的信号处理流程	1
1.2.2  雷达辐射源识别的问题与挑战	3
1.3  本书相关问题的研究现状	4
1.3.1  雷达辐射源的建模问题研究现状	4
1.3.2  特征参数不确定的辐射源识别问题研究现状	6
1.3.3  多功能雷达的辐射源识别问题研究现状	12
1.4  本书的安排	14

第2章  雷达辐射源联合参数建模及识别框架	18
2.1  联合参数建模方法	18
2.1.1  联合参数建模方法概述	18
2.1.2  联合参数建模方法的应用实例	20
2.2  联合参数建模的识别框架	22
2.2.1  数据段划分	22
2.2.2  单段识别置信度计算	23
2.2.3  总识别置信度计算及决策判断	25
2.3  实验结果与分析	27
2.4  雷达辐射源识别的不确定性问题	31
2.5  本章小结	32

第3章  区间类型特征参数的雷达辐射源识别技术	33
3.1  区间类型特征参数的不确定性建模	34
3.2  基于矢量神经网络组合的雷达辐射源识别方法	35
3.2.1  算法描述	35
3.2.2  计算量分析	41
3.2.3  实验结果与分析	45
3.3  基于云模型和矢量神经网络的雷达辐射源识别方法	52
3.3.1  结构框架	52
3.3.2  算法描述	53
3.3.3  实验结果与分析	59
3.4  基于区间证据理论的雷达辐射源融合识别方法	66
3.4.1  问题描述	66
3.4.2  算法描述	67
3.4.3  实验结果与分析	71
3.5  本章小结	75

第4章  残缺类型特征参数的雷达辐射源识别技术	77
4.1  残缺类型参数的不确定性建模	77
4.2  基于矢量神经网络和增量学习的雷达辐射源识别方法	78
4.2.1  矢量神经网络	79
4.2.2  增量学习算法	80
4.2.3  实验结果与分析	84
4.3  基于缺失数据填补的雷达辐射源识别方法	92
4.3.1  修正CVNN网络	92
4.3.2  训练步骤	93
4.3.3  判决准则	95
4.3.4  实验结果与分析	96
4.4  本章小结	101

第5章  多功能雷达信号层级模型和分析处理方法	103
5.1  多功能雷达信号的层级模型	104
5.1.1  多功能雷达信号的三个层级	105
5.1.2  不同层级信号之间的转化规律	107
5.1.3  不同层级模型的形式化表示	120
5.2  多功能雷达电子情报的分析处理方法	120
5.2.1  基于生物信息学的分析处理方法	121
5.2.2  基于自然语言处理的分析处理方法	131
5.3  本章小结	136

第6章  波形单元提取	138
6.1  波形单元提取的基本原理	138
6.1.1  基于信号幅度特征的波形单元提取	139
6.1.2  多功能雷达脉冲序列信号的幅度特征	141
6.2  脉冲幅度序列的统计变化点问题	152
6.2.1  单统计变化点问题	152
6.2.2  多统计变化点问题	154
6.3  脉冲幅度序列的多统计变化点估计方法	155
6.3.1  检验统计量	155
6.3.2  判决方法	156
6.3.3  循环检测	158
6.4  实验结果与分析	159
6.4.1  统计变化点的可检测性分析	159
6.4.2  波形单元提取算法的处理性能分析	161
6.4.3  波形单元提取算法的适应性分析	163
6.5  本章小结	167

第7章  搜索规律重建	168
7.1  多功能雷达信号的不同特点	168
7.1.1  信号产生机制	169
7.1.2  搜索信号特点	169
7.1.3  跟踪信号特点	171
7.1.4  任务调度信号特点	172
7.2  波形层的信号模型	172
7.3  多功能雷达搜索规律的重建方法	175
7.3.1  多功能雷达搜索规律的重建原理	175
7.3.2  多功能雷达搜索规律的重建过程	178
7.4  实验结果与分析	194
7.4.1  搜索规律重建方法的性能分析	195
7.4.2  搜索规律重建方法对不同类型的多功能雷达的适应能力	200
7.5  本章小结	202

第8章  辐射源句法识别技术	204
8.1  基于三级匹配的多功能雷达辐射源雷达字提取方法	204
8.1.1  问题描述	204
8.1.2  提取方法	205
8.1.3  实验结果与分析	212
8.2  基于随机文法的多功能雷达辐射源识别方法	216
8.2.1  问题描述及识别框架	216
8.2.2  基于随机有限自动机的识别方法	218
8.2.3  基于随机下推自动机的识别方法	221
8.2.4  实验结果与分析	223
8.3  基于随机句法引导翻译器的多功能雷达辐射源识别方法	230
8.3.1  问题描述	230
8.3.2  识别方法	232
8.3.3  实验结果与分析	236
8.4  本章小结	241
后记	243
参考文献	245

雷达辐射源识别是电子侦察系统的重要功能之一。随着雷达技术的快速发展，特别是多功能相控阵雷达的广泛应用，给雷达辐射源识别带来了极大挑战：波束捷变造成信号截获概率下降，雷达情报的完整度受到较大影响，甚至导致信息残缺；信号参数与波形快速捷变造成分析雷达信号规律的难度增加，仅能掌握参数的大致分布区间，难以把握信号内在组合规则和时序关系；雷达的多功能性和多目标适应的特性，对侦察、反演提出了更高的要求，如何判断雷达所处的工作状态、执行的功能，甚至推断出其可能采取的下一步动作，都成了难题。
本书从两方面总结了著者在复杂体制雷达识别技术方面的粗浅研究；一是从雷达参数建模和参数分类的角度研究辐射源型号的识别问题，建立雷达信号在载频、脉宽、重频方面的三维联合分布描述，综合考虑基于参数的统计特性和时序特性的分类识别方法，并讨论在区间类型、残缺类型特征参数下的辐射源识别方法，可视为对传统辐射源识别方法的延伸和扩展；二是专门针对多功能雷达辐射源识别问题开展研究工作，从以往的雷达参数分析扩展到现在的雷达任务和功能识别，通过分析多功能雷达的工作机理，建立雷达信号的层级模型。在此基础上，借鉴生物信息学和自然语言处理两方面的研究成果，提出多功能雷达电子情报分析处理的新框架，并引入相应的研究手段和数学工具，开展雷达波形单元提取、搜索规律重建和辐射源句法识别技术等方面的研究。
全书共8章：
（1）第1章：绪论，主要介绍雷达辐射源识别的主要问题和研究现状。
（2）第2章：雷达辐射源联合参数建模及识别框架，介绍一种雷达辐射源联合参数建模方法，以及基于此方法的雷达辐射源识别框架。
（3）第3章：区间类型特征参数的雷达辐射源识别技术，介绍存在区间类型特征参数时的一种基于多个多输入、单输出的矢量神经网络组合的辐射源识别算法，以及存在语义类型特征参数时的一种基于云模型和矢量神经网络的雷达辐射源识别方法。
（4）第4章：残缺类型特征参数的雷达辐射源识别技术，介绍存在残缺类型特征参数时的一种基于矢量神经网络和增量学习的雷达辐射源识别方法。
（5）第5章：多功能雷达信号层级模型和分析处理方法，介绍多功能雷达信号的“功能/任务/波形”层级模型，并借鉴生物信息学和自然语言处理领域的研究方法和工具，提出多功能雷达信号新的分析处理框架、研究手段和数学工具。
（6）第6章：波形单元提取，介绍脉冲幅度序列的统计变化点分布问题和估计方法，以及波形单元提取方法。
（7）第7章：搜索规律重建，介绍基于生物序列分析技术重建多功能雷达搜索规律算法。
（8）第8章：辐射源句法识别技术，介绍基于随机文法和基于随机句法引导翻译器的多功能雷达辐射源识别方法。

对复杂体制的雷达辐射源识别而言，本书讲述的内容很有限，仅为多功能雷达的识别研究工作拉开了一个序幕，还需要从正向理论分析、反向理论分析、实践分析等多方面不断进行深入研究、加深对问题的理解，以及对效果的验证。此外，随着人工智能技术的快速发展，相关问题可能会迎来新的破解途径。
全书由柳征负责总体规划、统稿、审读和修改。第1、5章由柳征编写；第2、3、4、8章由柳征、刘海军编写；第6、7章由柳征、马爽编写。在本书的编写过程中，得到了国防科技大学电子科学学院和电子信息系统复杂电磁环境效应国家重点实验室的领导和同事的大力支持，特别是国防科技大学的周一宇教授、姜文利教授、黄知涛教授，提出了很多有益的建议。在此表示感谢。
由于时间仓促，著者水平有限，再加上复杂体制雷达辐射源的识别技术仍处于快速迭代之中，书中难免有错误、不当之处，恳请读者批评指正。

柳   征         
2020年6月11日于湖南长沙

本书配套资源下载

对不起，暂无音视频资源！

复杂体制雷达辐射源识别技术